bab ii landasan teorikc.umn.ac.id/10610/4/bab_ii.pdf11 bab ii landasan teori 2.1. financial...
TRANSCRIPT
11
BAB II
LANDASAN TEORI
2.1. Financial Technology
Financial Technology adalah perpaduan dari teknologi dan keuangan yang
melahirkan cara baru untuk orang membayar, mengirim uang, meminjam,
meminjamkan dan berinvestasi. FinTech terbentuk dari krisis finansial yang
menyebabkan turunnya kepercayaan orang terhadap bank. Maka dari itu, Fintech
menawarkan kepercayaan dan transparansi yang dikemas dalam teknologi yang
membuat semua aktivitas keuangan dapat dipantau dan mudah diakses (Chishti &
Barberis, 2016). Menurut (Nicoletti, 2017), Fintech adalah sebuah inisiatif dengan
bisnis yang inovatif yang memanfaatkan teknologi informasi dan komunikasi di
bidang jasa keuangan.
Dalam artian yang lebih luas, Financial technology/Fintech merupakan
hasil gabungan antara jasa keuangan dengan teknologi yang akhirnya mengubah
model bisnis dari konvensional menjadi moderat, yang awalnya dalam membayar
harus bertatap-muka dan membawa sejumlah uang kas, kini dapat melakukan
transaksi jarak jauh dengan melakukan pembayaran yang dapat dilakukan dalam
hitungan detik saja. (Bank Indonesia, 2019).
2.2. E-Cash/E-money
Uang elektronik (electronic money) atau e-money adalah alat pembayaran yang
memenuhi unsur-unsur sebagai berikut, yaitu diterbitkan atas dasar nilai uang yang
disetor terlebih dahulu oleh pemegang terhadap penerbit, nilai uang disimpan secara
elektronik dalam suatu media seperti server atau chip, digunakan sebagai alat
12
pembayaran kepada pedagang yang bukan merupakan penerbit uang elektronik
tersebut, dan pada akhirnya nilai uang elektornik yang disetor oleh pemegang dan
21 dikelola oleh penerbit bukan merupakan simpanan sebagaimana dimaksud
dalam undang-undang yang mengatur mengenai perbankan (Serfianto, Hariyani, &
Serfiani, 2012).
2.3. Digital Payment/e-payment
Digital payment dapat didefinisikan sebagai segala jenis pembayaran yang
menggunakan instrument digital. Dalam Digital Payment ada 2 aktor utama yaitu
The Payer (si pembayar) dan juga The Payee (si penerima pembayaran), keduanya
menggunakan instrumen elektronik dalam melakukan pembayaran (Mane, 2019).
Pada digital payment ini, transaksi yang dilakukan tidak melibatkan uang
kertas/uang tunai yang berbentuk fisik (hard cash) melainkan menggunakan
Electronic Money (Mane, 2019).
2.4. Digital Wallet
E-Wallet atau dompet elektronik adalah alat pembayaran digital atau alat
pembayaran digital yang menggunakan media elektronik berupa server based. Pada
umumnya e-wallet berupa aplikasi yang berbasis di server dan dalam proses
pemakaiannya memerlukan sebuah koneksi terlebih dulu dengan penerbitnya
(Mulyana & Wijaya, 2018). Dalam artian yang lebih luas, Electronic Wallet atau
dompet elektronik adalah layanan elektronik untuk menyimpan data instrumen
pembayaran antara lain alat pembayaran dengan menggunakan kartu dan/atau uang
elektronik (e-money), yang dapat juga menampung dana, untuk melakukan
pembayaran. Dompet elektronik biasa disebut dengan istilah e-wallet, dompet
13
digital, digital wallet atau electronic wallet. Penyelenggara dompet elektronik
adalah bank atau lembaga selain bank yang menyelenggarakan dompet elektronik
Indonesia (Bank Indonesia, 2016).
2.5. UTAUT
Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan
model teori yang dibuat dan dikembangkan oleh (Venkatesh) dengan
menggabungkan delapan teori model penerimaan teknologi (technology
acceptance) antara lain (Venkatesh, Thong, & Xu, 2012):
1. Theory of Reasoned Action (TRA),
2. Technology Acceptance Model (TAM),
3. Motivational Model (MM),
4. Theory of Planned Behavior (TPB),
5. A Model Combining The Technology Acceptance Model and The Theory of
Planned Behavior (C-TAM-TPB),
6. The Model of PC Utilization (MPCU),
7. The Innovation Diffusion Theory (IDT), dan
8. The Social Cognitive Theoary (SCT).
Dibandingkan dengan kedelapan model tersebut, UTAUT terbukti lebih
berhasil menjelaskan hingga 70% varian behavior intention. UTAUT cukup
tangguh (robust) karena dapat diterjemahkan dalam berbagai bahasa dan dapat
digunakan lintas budaya. (bendi & Andayani, 2014) UTAUT memiliki empat
konstruk yang mempengaruhi niat perilaku (behavioral intention) ke penggunaan
14
teknologi (use a technology), empat konstruk tersebut terdiri dari (Venkatesh,
Thong, & Xu, 2012):
1. Ekspektasi kinerja (performance expectancy),
2. Ekspektasi usaha (effort expectancy),
3. Pengaruh sosial (social influence), dan
4. Kondisi pendukung (facilitating conditions).
Gambar 2.1. Model UTAUT
Sumber: (Venkatesh, Thong, & Xu, 2012)
15
2.6. Pengertian Variabel
1. Performance expectancy
Ekspektasi kinerja (performance expectancy), mengacu pada
kepercayaan / persepsi individu bahwa teknologi yang digunakan dapat
memberikan manfaat/keuntungan untuk melakukan transaksi, seperti
kecepatan dan kenyamanan dalam bertransaksi. (Junadi & Sfenrianto,
2015), (Mustaqim, Kusyanti, & Aryadita, 2018), (Venkatesh, Thong, &
Xu, 2012).
2. Effort Expectancy
Ekspetasi Kinerja (Effort Expectancy) mengacu persepsi individu pada
tingkat kemudahan suatu suatu sistem saat digunakan, ini juga mengacu
pada tingkat kemudahan sistem yang mudah dipahami oleh user
sehingga user tidak membutuhkan skill khusus untuk menggunakan
system yang ada (Junadi & Sfenrianto, 2015), (Mustaqim, Kusyanti, &
Aryadita, 2018), (Venkatesh, Thong, & Xu, 2012).
3. Social Influence
Pengaruh social (Social Influence) mengacu pada pengaruh orang
penting disekitar individu yang menganjurkan individu untuk
menggunakan sistem. Orang yang dimaksud penting contohnya adalah
keluarga, pasangan, atau oraganisasi. (Junadi & Sfenrianto, 2015),
(Mustaqim, Kusyanti, & Aryadita, 2018), (Venkatesh, Thong, & Xu,
2012).
16
4. Perceived Security
Perceived Security adalah suatu persepi dari bagaimana sistem yang
digunakan dapat melindungi transaksi yang sedang dilakukan. Percived
security terdiri dari beberapa faktor seperti proteksi data, peraturan yang
jelas dan mudah dipahami. Selain itu Perceived security juga
berhubungan dengan regulasi dan proteksi yang legal yang didapatkan
oleh individu. (Schierz, Schilke, & Wirtz, 2010), (Junadi & Sfenrianto,
2015).
5. Culture
Faktor dari Culture seperti tingkat pendidikan terakhir dan pengalaman
dalam menggunakan teknologi sangat penting dalam penerimaan
teknologi baru. Culture di satu daerah dengan daerah lainnya pastinya
tidak sama. Menurut penelitian yang sudah dilakukan oleh Keramati et
al dalam penelitiannya yang berjudul “Adoption of Electronic Payment
Services by Iranian Customers”, menyatakan bahwa tingkat
pengdidikan terakhir, pengalaman menggunkan suatu teknologi (seperti
internet dan smartphone) dapat mempengaruhi suatu individu untuk
menggunakan suatu sistem. (Havidz, Aima, Ali, & Iqbal, 2018), (Junadi
& Sfenrianto, 2015).
2.7. Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk menguji hipotesis tentang
antara hubungan dua variable independen atau lebih secara bersama-sama dengan
17
suatu variabel dependen. Tujuannya adalah untuk mengetahui seberapa besar
pengaruh variabel independen dengan variabel dependen. (Sugiyono, 2014).
Regresi linier berganda dimaksudkan untuk menguji pengaruh dua atau
lebih variabel independent (explanatory) terhadap satu variable dependen. Model
ini mengasumsikan adanya hubungan satu garis lurus/linier antara variabel
dependen dengan masing-masing prediktornya. Hubungan ini biasanya
disampaikan dalam rumus (Janie, 2012):
𝑌 = 𝑎 + 𝑏1𝑋1 + 𝑏2𝑋2 + ⋯ + 𝜀
Rumus 2.1. Perhitungan regersi linier berganda
Keterangan:
𝑌 = Variabel dependen
𝑎 = Koefisien konstanta
𝑏1, 𝑏2, 𝑏3, … = Koefisien regresi
𝑋1 = Variabel independen 1
𝑋2 = Variabel independen 2
𝜀 = Error, variabel gangguan
18
2.7.1. Analisis Asumsi Klasik
Untuk tujuan pengujian hipotesis nilai parameter model, model regresi
linier juga mengasumsikan hal-hal sebagai berikut yang biasa disebut Uji
Asumsi Klasik (Janie, 2012).
2.7.1.1. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam
model regresi ditemukan adanya korelasi yang tinggi atau
sempurna antara variabel independent. Jika antar variabel
independent terjadi multikolinieritas sempurna, maka
koefisien regresi variabel indipenden tidak dapat ditentukan
dan nilai standard error menjadi tak terhingga. Jika
multikolinieritas antar variabel indpenden tinggi, maka
koefisien regresi variabel independent dapat ditentukan,
tetapi memiliki nilai standard error tinggi berarti nilai
koefisien regresi tidak dapat diestimasi dengan tepat .
2.7.1.2. Uji Heteroskedastitas
Uji Heteroskedastitas bertujuan untuk mengetahui apakah
antar variabel-variabel memiliki varian yang sama. Cara
mendeteksi Heteroskedastitas adalah dengan metode
grafik. Metode grafik biasanya dilakukan dengam melihat
grafik plot antara nilai prediksi variabel dependen dengan
residualnya.
19
2.7.2. Analisis Regresi Linier Beganda
2.7.2.1. Uji Koefisien Determinasi (R2)
Uji Koefisien Determinasi (R2) bertujuan mengukur
seberapa jauh kemampuan model dalam menerangkan
variabel-variabel dependen (Mustaqim, Kusyanti, &
Aryadita, 2018). Koefisien determinasi menjelaskan variasi
pengaruh variabel-variabel bebas terhadap variabel
terikatnya. Uji Koefisien Determinasi (R2) dapat pula
dikatakan sebagai proporsi pengaruh seluruh variabel bebas
terhadap variabel terikat. Nilai koefisien determinasi dapat
diukur oleh nilai RSquare atau Adjusted R-Square (Iqbal,
2015). R-Square digunakan pada saat variabel bebas hanya
1 saja (biasa disebut dengan Regresi Linier Sederhana),
sedangkan Adjusted R-Square digunakan pada saat variabel
bebas lebih dari satu (Iqbal, 2015).
2.7.2.2. Uji pengaruh Simultan (F)
Uji pengaruh Simultan bertujuan untuk mengetahui apakah
variabel independen secara bersama-sama atau simultan
mempengaruhi variabel dependen (Mustaqim, Kusyanti, &
Aryadita, 2018).
Menurut (Sugiyono, 2014) uji F dirumuskan sebagai
berikut:
20
𝐹 = 𝑟2/𝑘
(1− 𝑟2)/(𝑛−𝑘−1)
Rumus 2.2. Perhitungan Uji F
Keterangan:
𝑟2 = Koefisien determinasi
𝑘 = Jumlah variabel independent
𝑛 = Jumlah data
2.7.2.3. Uji Pengaruh Parsial (T)
Uji Pengaruh Parsial bertujuan untuk mengetahui seberapa
jauh pengaruh satu variabel independen secara individual
dalam menerangkan variasi variabel dependen (Mustaqim,
Kusyanti, & Aryadita, 2018).
Uji t menggunakan rumus (Sugiyono, 2014):
𝑡 = r√n−2
√1−𝑟2
Rumus 2.3 Perhitungan Uji T
Keterangan:
𝑡 = Distribusi t
𝑟 = Koefisien korelasi parsial
𝑟2 = Koefisien determinasi
21
𝑛 = Jumlah data
2.8. Strctural Equation Modeling (SEM)
Structural equation modeling merupakan sebuah teknik perhitungan
statistik yang menjelaskan hubungan antara multi-variabel. Teknik ini dapat
memeriksa hubungan-hubungan yang bersifat dependen secara bersamaan (Hair,
Black, Babin, & Anderson, 2010). Selain itu, teknik ini dapat memeriksa hubungan-
hubungan yang terdapat di persamaan-persamaan yang ada. Persamaan-persamaan
tersebut menggambarkan hubungan antar constructs (variabel dependen dan
independen) yang terdapat pada penelitian. Construct/konstruk merupakan latent
factor/faktor yang tidak dapat diobservasi secara langsung yang direpresentasikan
oleh multiple variables (Hair, Black, Babin, & Anderson, 2010).
Dari segi metodologi, SEM memiliki berbagai peran, diantaranya sebagai
sistem persamaan simultan, analisis kausal linear, path analysis, analysis of
covariance structure, dan model persamaan struktural (Wijanto, 2016).
2.8.1. Variabel SEM
SEM memiliki 2 variabel, diantaranya (Hair, Black, Babin, &
Anderson, 2010):
1. Latent Variable/Variabel Laten
Variabel ini merupakan variabel yang tidak dapat
diamati secara langsung, diantaranya yaitu sikap, perilaku,
perasaan, dan motivasi. Variabel tersebut memiliki 2 jenis,
22
sebagaimana yaitu variabel eksogen dan endogen. Variabel
eksogen merupakan variabel independen yang
mempengaruhi variabel endogen. Sedangkan, variabel
endogen merupakan variabel dependen atau variabel terikat
yang dipengaruhi oleh variabel eksogen.
2. Observed Variable/Variabel Teramati
Variabel ini merupakan variabel yang dapat diamati
secara langsung, dan biasanya, variabel ini disebut sebagai
indikator. Variabel ini merupakan representasi dari jumlah
variabel yang diteliti. Misalnya, pada suatu kuisioner
penelitian, terdapat 100 pertanyaan. Maka, penelitian
tersebut memiliki 100 observed variables sebab pertanyaan-
pertanyaan tersebut merupakan representasi dari observed
variables.
2.9. Skala Likert
Skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi
tentang fenomena sosial (Sugiyono, 2010). Langkah-langkah dalam menyusun
skala likert adalah menetapkan variabel yang akan diteliti, menentukan indikator
yang dapat mengukur variabel yang diteliti, menurunkan indikator tersebut menjadi
pertanyaan (kuesioner). (Sugiyono, 2010) Jawaban setiap instrumen yang
menggunakan skala Likert mempunyai gradasi sangat positif sampai negatif. Item
positif berarti angka terbesar diletakkan pada sangat setuju, sedangkan item negatif
23
berarti angka terbesar diletakkan pada sangat tidak setuju. Biasanya disediakan lima
pilihan skala dengan format seperti di bawah ini (Sugiyono, 2010):
1. Sangat tidak setuju
2. Tidak setuju
3. Netral
4. Setuju
5. Sangat setuju
2.10. SPSS
SPSS merupakan program untuk olah data statistik yang paling popular dan
paling banyak pemakaiannya diseluruh dunia dan banyak digunakan oleh para
peneliti untuk berbagai keperluan seperti riset pasar, untuk menyelesaikan tugas
penelitian seperti skripsi, tesis, disertasi dan sebagainya (Oktofiyani, Nurmalasari,
& Anggraeni, 2016). SPSS pertama kali dibuat pada tahun 1968 oleh tiga orang
mahasiswa dari Standford University. SPSS merupakan kependekkan dari
Statistical Package for The Social Sciences karena program ini mula-mula dipakai
untuk meneliti ilmu-ilmu social, namun seiring perkembangannya dari waktu ke
waktu SPSS penggunaannya semakin luas untuk berbagai bidang ilmu seperti
bisnis, pertanian, industry, ekonomi, psikologi dan lain-lain sehingga sampai
sekarang kepanjangan SPSS adalah Statistical Product and Service Solution.
(Oktofiyani, Nurmalasari, & Anggraeni, 2016).
24
2.11. Teknik Pengumpulan data
Teknik pengambilan data / teknik sampling dapat dibagi menjadi 2 kategori
yaitu probability sampling dan non-probability sampling (Sugiyono, 2015).
1. Probability Sampling
Probability Sampling adalah teknik pengambilan sampel yang
memberikan peluang yang sama bagi setiap unsur (anggota) populasi untuk
dipilih menjadi anggota sampel. Berikut ini adalah jenis-jenis dari
Probability Sampling (Sugiyono, 2015):
a) Simple Random Sampling
Simple Random Sampling adalah pengambilan anggota sampel dari
populasi yang dilakukan secara acak tanpa memperhatikan strata yang
ada dalam populasi itu.
b) Proportionate Stratified Random Sampling
Proportionate Stratified Random Sampling adalah
teknik sampling yang digunakan bila populasi mempunyai
anggota/unsur yang tidak homogen dan berstrata secara proporsional .
c) Disproportionate Stratified Random Sampling
Disproportionate Stratified Random Sampling adalah
teknik sampling yang digunakan bila populasi berstrata tetapi kurang
proporsional.
25
d) Cluster Random Sampling
Cluster Random Sampling merupakan teknik sampling daerah yang
digunakan untuk menentukan sampel bila obyek yang akan diteliti atau
sumber data sangat luas, misalnya penduduk dari suatu negara, propinsi
atau kabupaten.
2. Nonprobability Sampling
Nonprobability Sampling adalah teknik pengambilan sampel yang tidak
memberi peluang atau kesempatan sama bagi setaip unsur atau anggota
populasi untuk dipilih menjadi sampel. Berikut ini adalah jenis-jenis dari
Nonprobability Sampling (Sugiyono, 2015):
a) Systematic Sampling
Sampling Sistematis adalah teknik pengambilan sampel berdasarkan
urutan dari anggota populsai yang telah diberi nomor urut.
b) Quota Sampling
Sampling Kuota adalah teknik untuk menentukan sampel dari
populasi yang mempunyai cirri-ciri tertentu sampai jumlah (kuota) yang
diinginkan.
c) Incidental Sampling
26
Sampling Insidental adalah teknik penentuan sampel berdasarkan
kebetulan, yaitu siapa saja yang secara kebetulan/insidental bertemu
dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang
yang kebetulan ditemui itu cocok dengan sumber data.
d) Purposive Sampling
Purposive Sampling adalah teknik penentuan sampel dengan
pertimbangan tertentu.
e) Sampling Jenuh
Sampling Jenuh adalah teknik penentuan sampel apabila semua
anggota populasi digunakan sebagai sampel.
f) Snowball Sampling
Snowball Sampling adalah teknik penentuan sampel yang mula-
mula jumlahnya kecil, kemudian membesar.
2.12. Penelitian terdahulu
Penelitian-penelitian terdahulu berfungsi sebagai pendukung untuk
melakukan penelitian. Berikut adalah tabel yang berisi penelitian terdahulu yang
akan digunakan oleh peneliti.
Tabel 2.1. Penelitian Terdahulu
1
Nama Rizki Nanda Mustaqim, Ari Kusyanti, Himawat
Aryadita
Nama Jurnal Jurnal Pengembangan Teknologi Informasi dan
Ilmu Komputer,
27
Vol. 2, No. 7, Juli 2018, hlm. 2584-2593
Judul
Analisis Faktor-Faktor yang Memengaruhi Niat
Penggunaan E-Commerce XYZ Menggunakan
Model UTAUT
Metode
The unified theory of acceptance and use of
technology (UTAUT).
Analisis data menggunakan Regresi Linier
Berganda
Hasil
Dari hasil uji hipotesis dapat disimpulkan bahwa
faktor yang berpengaruh terhadap niat untuk
bertransaksi di e-commerce XYZ adalah sosial
influence atau pengaruh sosial. Semakin potisif
pengaruh sosial seseorang dalam menggunakan
E-commerce XYZ, maka akan semakin besar niat
atau keinginan seseorang untuk bertransaksi di e-
commerce XYZ. Temuan lain menyatakan bahwa
faktor harapan kinerja (performance expectancy)
dan harapan usaha (effort expectancy) tidak
berpengaruh terhadap niat seseorang untuk
bertransaksi di e-commerce XYZ. Hal ini
ditunjukkan oleh tidak adanya pengaruh yang
signifikan diantara faktor performace expectancy
dan effort expectancy terhadap behavioral
intention.
Secara keseluruhan ketiga prediktor
(performace expectancy, effort expectancy,
dan social influence) memiliki hubungan atau
korelasi yang sedang terhadap niat (behavioral
intention) untuk bertransaksi di e-commerce
28
XYZ. Hal tersebut ditunjukkan oleh nilai R
yaitu sebesar 587. Dan ketiga prediktor ini
hanya mampu menjelaskan pengaruh terhadap
behavioral Intention yaitu sebesar 34.5%.
2
Nama Junadi, Sfenrianto
Nama Jurnal Procedia Computer Science, Vol 59, 2015, 214 –
220.
Judul A Model of Factors Influencing Consumer’s
Intention to Use E-Payment System in Indonesia
Metode
The unified theory of acceptance and use of
technology (UTAUT). Diberikan kepada 110
qualified respondents. Analisis data menggunakan
Structural Equation Modeling (SEM).
Hasil
Variabel: Effort Expectancy, Culture, Perceived
Security, Performance Expectancy, Social
Influence, Intention to Use Electronic Payment
System
Masing-masing variable
mempunyai dampak yang positif terhadap
customers’ purchase intention untuk
menggunakan e-payment.
3
Nama Anita Rahmawaty
Tahun PALASTREN, Vol. 9, No. 1, Juni 2016
Judul Perempuan dan pemanfaatan teknologi internet
dengan pendekatan UTAUT
Metode
The unified theory of acceptance and use of
technology (UTAUT). Analisis data menggunakan
Regresi linier berganda
Hasil Faktor pendukung utama responden dalam
menggunakan teknologi internet, di antaranya
29
adalah kebutuhan informasi terkini, tingkat
kebutuhan terhadap ilmu pengetahuan, serta motif
penyelesaian tugas dan komunikasi. Sedangkan
faktor penghambat utama responden untuk tidak
menggunakan internet adalah faktor kesibukan, di
mana para responden banyak terlibat dalam
pekerjaan domestik yang diakibatkan oleh
pembagian peran gender yang kurang adil bagi
perempuan. Sedangkan intensi pemanfaatan
internet pada kaum perempuan dipengaruhi oleh
faktor ekspektasi kinerja, ekspektasi usaha,
kondisi pendukung dan efikasi diri. Sedangkan
pengaruh social tidak berpengaruh secara
signifikan terhadap intensi pemanfaatan internet.
Temuan penelitian ini menunjukkan pula bahwa
efikasi diri merupakan variabel penting yang
mempengaruhi intensi perilaku pemanfaatan
internet pada kaum perempuan.
4 Nama I Ketut Yadnyana, Ni Putu Ary Wulandari
Nama Jurnal E-Jurnal Akuntansi Universitas Udayana, Vol 14,
No.2, Februari 2016, 1270-1297
Judul Penerapan Model UTAUT di kota Denpasar
Metode (UTAUT). Analisis data menggunakan Regresi
linear berganda
Hasil semua hipotesis penelitian ini diterima yaitu
ekspektasi kinerja, ekspektasi usaha, faktor sosial
dan kondisi yang memfasilitasi mempunyai
pengaruh positif yang signifikanpada minat
penggunaan e-Filing. Hal tersebut memiliki makna
30
bahwa semakin tinggi keyakinan seseorang dengan
menggunakan e-Filing akan meningkatkan kinerja
dan mengurangi usahanya dalam bekerja maka akan
meningkat pula minat mereka dalam menggunakan
e-Filing. Semakin tinggi pengaruh lingkungan sosial
dan tersedianya fasilitas dalam penggunaan e-Filing
maka meningkat pula minat mereka dalam
menggunakan e-Filing
5. Nama Jonathan Christopher, Marcelli Indriana
Nama Jurnal ULTIMA InfoSys, Vol. IX, No. 2 Desember 2018
Judul Analisis Tingkat Penerimaan Pengguna
Layanan Music as a Service Berbayar dengan
Metode Unified Theory Acceptance and Use of
Technology 2
Metode UTAUT dan SEM
Hasil Terdapat tiga faktor yang terbukti memiliki
pengaruh positif dan signifikan
terhadap niat untuk mengadopsi layanan music as
a service berbayar di Indonesia. Faktor tersebut
adalah hedonic motivation, habit, dan search cost.
Perceived usefulness juga memiliki pengaruh yang
signifikan dan negatif terhadap niat untuk
mengadopsi layanan music as a service.
Sementara itu, empat faktor lainnya, yaitu effort
expectancy, social influence, facilitating
conditions, dan price value dinyatakan kurangnya
bukti yang menunjukkan bahwa keempat variabel
memiliki pengaruh yang signifikan terhadap niat
untuk mengadopsi layanan music as a service
berbayar. Urutan faktor yang berpengaruh dalam
penelitian ini dimulai dari habit (4.30), search cost
(3.97), dan hedonic motivation (3.05).
Metode SEM dalam mengolah data dapat digunakan untuk mengolah
mode UTAUT (Junadi & Sfenrianto, 2015) dan (Christopher & Indriana, 2018).
31
Namun, UTAUT juga bisa diolah dengan metode regresi linear berganda
(Mustaqim, Kusyanti, & Aryadita, 2018), (Rahmawaty, 2016), dan (Wulandari &
Yadnyana, 2016). Variabel yang digunakan oleh semua jurnal hampir sama karena
menggunakan pendeketan yang sama yaitu UTAUT (The unified theory of
acceptance and use of technology). Pada 2018, UTAUT pernah didaopsi untuk
mengukur minat penggunaan terhadap e-commerce dimana didapat bahwa
performance expectancy dan effort expectancy tidak mempunyai pengaruh yang
signifikan terhadap minat penggunaan e-commerce (Mustaqim, Kusyanti, &
Aryadita, 2018), berbeda halnya dengan pengadopsian UTAUT untuk mengukur
minat penggunaan e-payment system. Pada e-payment system, semua variabel
UTAUT mempunyai pengaruh yang signifikan untuk mempengaruhi minat
penggunaan e-payment system, yaitu Performance Expectancy, Effort Expectancy,
Social Influence, Perceived Security dan Culture (Junadi & Sfenrianto, 2015).
Peneliti memutuskan untuk mengadopsi model dari jurnal (Junadi &
Sfenrianto, 2015) dengan 3 konstruk utama dari UTAUT dan ditambah 2 variabel
eksternal yaitu Culture dan Perceived Security. Metode yang digunakan adalah
regresi linier berganda dikarenakan model yang ada pada penelitian ini tidak terlalu
kompleks dan juga variabel independent yang ada secara langsung/searah ke
variabel dependen yang ada.